원래의 3DGS 기술은 전통적인 COLMAP 프로세스를 사용하여 생성된 포인트 클라우드로 초기화된다는 점이 좋음.
논문의 결과가 좋고, 스플랫 위치를 선택하는 방법에 대한 더 나은 형식적 기반이 마음에 들지만, 상단 이미지가 무엇을 나타내는지 이해하지 못함.
가우시안 스플래팅은 매우 인상적인 기술이며, 현재는 VR에서 포토리얼리스틱한 장면을 보여주는 최고의 방법임. 더 많은 실용적인 사용 사례가 있기를 바람.
이 논문의 주요 차이점이 각 업데이트에 소량의 노이즈를 추가하는 것인지 명확히 하고 싶음. 논문을 다 읽었지만 여전히 확신이 서지 않음.
3D 스플래팅의 "소비자" 응용 프로그램이 무엇인지 궁금함. 매우 멋져 보이지만, 최종 사용자 기술이 될지 이해하지 못함.
PDF가 하이퍼레프를 사용하지 않아 아쉬움. 링크를 클릭하여 인용된 참조로 이동하는 것이 더 편리함.
Inria(비상업적 라이선스) 방법을 기반으로 한 또 다른 논문이며, 여러 오픈 소스 대안이 존재함.
텍스트를 이해하지 못함.
기존의 3D 가우시안 스플래팅 접근 방식과 달리, 우리는 가우시안을 배치하고 최적화하는 훈련 과정을 샘플링 과정으로 해석함. 실질적인 차이점이 무엇인지 궁금함. MCMC 자체가 더 높은 확률에서 샘플링하는데, 단순히 분포의 낮은 끝에서 더 많이 샘플링하는 것인지, 아니면 이전 알고리즘을 형식화하여 다양한 매개변수를 조작하기 쉽게 만드는 것인지 궁금함.
Hacker News 의견